基于人工神经网络的顺层偏压隧道变形预测

根据顺层偏压隧道工程实际监控量测数据，结合工程地质条件，基于人工神经网络，建立了顺层偏压大变形隧道人工神经网络预测模型，得到了顺层偏压隧道变形预测值。通过现场实测与模型计算预测变形值对比分析得出:人工神经网络预测模型在顺层偏压隧道大变形预测方面有很高的适用性能。     

路面混凝土配合比优化设计

建立了路面混凝土配合比优化设计模型，利用人工神经网络建立混凝土配合比与混凝土性能关系模型，解决了优化设计的关键问题，通过试验证实了本方法的实用性。     

基于软测量技术的车辆排放结果在线处理研究

介绍了软测量技术的概念及其分类方法,重点对基于人工神经网络的软测量模型的建立及进行网络训练时的注意事项进行了分析。建立了CO的人工神经网络软测量模型,通过试验证明了人工神经网络的软测量模型在车辆检测结果在线处理上的有效性和可行性。     

人工神经网络事件探测系统的结构设计及实现

国外传统的高速公路事件自动探测算法存在着事件探测器模型有偏差，误报警率高和不适合我国实际等缺陷，而采用人工神经网络探测事件则具有克服这些缺陷的潜在优势，文章就人工神经网络事件探测系统的系统设计的目标及功能，关键模块设计，组成结构和系统特点等进行了论述。     

基于BP神经网络的公路规费征收量预测方法

文中简要地介绍了人工神经网络方法，并将其应用于公路规费征收量的预测，最后通过实例说明了该模型的应用。     

桥梁主梁断面空气力学特性分析的人工神经网络方法

研究了人工神经网络的ＢＰ模型应用于学习、预测主梁断面静力三分力系数的问题，分析了各种情况下的预测精度。     

基于ARIMA与人工神经网络组合模型的交通流预测

将自回归求和滑动平均(ARIMA)与人工神经网络组合模型用于短时交通流预测。利用ARIMA模型良好的线性拟合能力和人工神经网络强大的非线性关系映射能力,把交通流时间序列看成由线性自相关结构和非线性结构两部分组成,采用ARIMA模型对交通流序列的线性部分进行预测,用人工神经网络模型对其非线性残差部分进行预测。结果表明:组合模型的预测准确性高于各自单独使用时的准确性;组合方法发挥了2种模型各自的优势,是短期交通流预测的有效方法。     

基于人工神经网络模型的车门关闭声声品评价方法研究

基于BP人工神经网络研究了利用汽车关门声客观评价量进行声品质评价的方法.利用所采集声音样本的主、客观评价结果对BP人工神经网络进行训练,对训练好的网络进行主观评价预测;另外,对人工神经网络模型的输入量即关门声客观评价参数进行了研究.结果表明:基于人工神经网络模型的声品质评价方法是有效的;音调度是汽车关门声的一个重要特征量,将音调度一并作为输入参量,不仅可以提高网络的收敛速度,而且可以降低网络预测误差.     

神经网络驱动的桥梁主动气动翼板颤振智能控制优化

通过风洞试验和数值模拟获得主动气动翼板优化控制参数需要庞大的试验和计算成本，并且难以得到最优的翼板控制参数。基于流线箱梁主动气动翼板颤振控制的风洞试验数据，以翼板与主梁扭转运动相位差为输入，颤振临界风速变化比例为输出建立BP人工神经网络模型，对神经网络进行训练得到了主动气动翼板颤振临界风速预测关系。结果表明：预测输出值和实际值之间误差为5%左右，相关系数为0.965;使用训练得到的人工神经网络模型以1°增量对0°～360°范围内的气动翼板相位差进行遍历计算，得到了两侧翼板相位差对主梁-翼板系统颤振性能的影响规律，当迎风侧翼板相位差位于180°～360°内时系统颤振性能得以提高，最优参数组合为迎风翼板相位差231°,背风侧翼板相位差63°;利用获得的最优气动翼板相位差参数组合，建立了主梁-翼板系统流固耦合模型，对试验和神经网络模型的最优参数的颤振控制效果进行验证，证明了神经网络对颤振控制预测的准确性。提出的通过数据量较少的试验数据训练构建人工神经网络模型，构建预测主梁-翼板系统颤振性能的理论框架，显著改善了颤振控制效果，实现了高精度主动气动翼板颤振的优化控制。     

应用人工神经网络预测路面使用性能

针对传统的路面使用性能预测方法存在的不足，应用人工神经网络理论，建立预估模型。经过理论分析与实际验证，这一方法是完全可行的。     

GPS桥梁高程控制网的人工神经网络模型

文中探讨利用人工神经网络模型统一特大型桥梁两岸高程，完成局部似大地水准面拟合，建立ＧＰＳ桥梁高程控制网的方法，并采用姜庄湖大桥实测数据验证计算方法的合理性。     

滑坡变形的人工神经网络预测模型及应用

根据人工神经网络对信息处理的能力,选用较成熟的反向传播网络模型,在详细的工程地质勘察和理论分析的基础上,利用某滑坡中部变形监测数据,通过多次试验的方法,建立了具有1个输入层、15个隐含层、1个输出层的反向传播网络模型。通过神经网络的学习与训练,建立了滑坡位移和时间之间的人工神经网络非线性关系模型,并应用非线性模型预测了滑坡在未来几个月的变形情况。     

基于人工神经网络预测城市道路软基沉降

针对软基预估沉降值与实际沉降量差异,引入人工神经网络BP模型,根据道路前期沉降观测资料,进行沉降预测.工程实践证明,所建人工神经网络模型具有预测精度高、简便易行等优点,应用前景广阔,可为类似工程提供参考.     

基于移动窗口定位和复合神经网络的车牌识别算法

针对一般车牌定位算法存在多个车牌识别区域，以及单个人工神经网络识别复杂、运算量大、不容易收敛等问题，提出采用移动窗口定位算法和复合BP神经网络模型，可以较好的解决以上问题．在实际应用中取得了预期效果。     

基于动态概率神经网络的公路交通事件检测算法

从公路隧道事件及其自身特点出发,依据人工神经网络这一强大的无模型模式分类器,采用人工神经网络算法建立动态概率神经网络（DPNN）事件检测模型：模型采用的输入指标不是单独的交通流参数,而是几个参数的组合,充分利用交通数据中包含的交通事件信息,大大提高算法的性能。     

路面结构动力响应仿真与参数分析研究

运用均匀设计方法安排计算机辅助试验，对各种结构组合情况的路面动力有限元模型进行了求解，运用人工神经网络原理技术，开展路面结构动力响应仿真和路面结构动态参数反分析，为进一步分析路面结构动力特性和改进路面结构性能评价策略提供帮助。     

车辆侧向运动的人工神经网络辨识

利用一个带有循环的前馈多层人工神经网络模型对车辆的侧向操纵运动进行辨只。该辨识网络经过训练之后，可以较精确地描述车辆运动系统的输入－输出非线性动态映射关系，从而为车辆运动学建模提供了一条新的有效途径。     

用人工神经网络预测高速公路软土地基的最终沉降

采用人工神经网络较强的非线性映射能力和学习能力,提出基于人工神经网络的高速公路软土地基最终沉降量的预测新方法。本方法利用实测资料直接建模,避免了传统方法计算过程中各种人为因素的干扰,所建立的模型预测精度高、简便易行,因而具有广泛的工程实用价值。     

基于神经网络的交通事件检测算法

回顾了几种传统的交通事件检测算法，提出从多层前向人工神经网络角度建立模型，并运用ＢＰ算法予以实现。在将ＢＰ算法与传统算法进行比较之后，发现ＢＰ算法具有检测率高、误报率低、检测时间短的优点，同时也存在不足之处，指出了今后进一步研究的方向。     

人工神经网络在路面使用性能分析中的应用

沥青路面的使用性能包括：路面破损状况，路面结构强度，路面平整度和路面抗滑能力，其中路面破碎状况的检测比较困难，路面使用性能的4个指标之间是有内在联系的，但是它们之间的相互关系还没有研究清楚，如果用传统的数学方法分析，它们之间的相关系数较小，而对于用传统方法无法解决的问题，人工神经网络理论却能得到较好的结果，本文应用人工神经网络理论，分析路面使用性能之间的关系，得到利用路面结构强度，路面平整度和路面抗滑能力来预测路面破损的模型，从而减轻路面破损调查的工作量。